天软金融分析.NET函数大全 > 金融函数 > 专题函数 > 机器学习 > 机器学习算法评价方法 > 分类算法评价指标

recall_score    

简述
计算recall,适用于单标签和多标签分类
定义
recall_score(y_true:Array;y_pred:Array; average:String;labels:Array;pos_label:Integer;sample_weight:Array):real;
参数
名称类型说明
y_trueArray真实标签
y_predArray预测标签
averageString平均方法,可选array(nil,'micro', 'macro', 'weighted', 'samples','binary'),
'samples'只适用于多标签,默认是nil,即不做平均处理,计算每一个标签的precision
labelsArray需要计算的标签,默认是y_true和y_pred出现的所有
pos_labelInteger正例标签,在单标签二分类时起作用,当数据是单标签二分类时,
并且average等于"binary"时有用,其他情况会被忽略
sample_weightArray样本权重,默认等权重
返回real实数,recall,召回率
  • 范例

    范例01:
       //只给y_true和y_pred,其他默认
       y_true := Array(0, 1, 2, 0, 1, 2);
       y_pred := Array(0, 2, 1, 0, 0, 1);
       return recall_score(y_true,y_pred);
    // array(1,0.0,0.0)
       

    范例02:
       //指定labels
       y_true := Array(0, 1, 2, 0, 1, 2);
       y_pred := Array(0, 2, 1, 0, 0, 1);
       labels := Array(2,1,0);
       return recall_score(y_true,y_pred,nil,labels);
    // array(0.0,0.0,1)
       

    范例03:
       //单标签二分类,指定pos_label,并且指定average为"binary",
    //只计算正例的precision
       y_true := Array(0, 1, 1, 0, 1, 1);
       y_pred := Array(0, 0, 1, 0, 0, 1);
       pos_label := 0;
       average := "binary";
       return recall_score(y_true,y_pred,average,nil,pos_label);//1
       

    范例04:
       //指定average,指定计算precision的平均方式
       y_true := Array(0, 1, 2, 0, 1, 2);
       y_pred := Array(0, 2, 1, 0, 0, 1);
       average := "macro"; //宏平均,先计算各标签的precision再取平均
       return recall_score(y_true,y_pred,average);
    // 0.3333
       

    范例05:
       //指定sample_weight
       y_true := Array(0, 1, 2, 0, 1, 2);
       y_pred := Array(0, 2, 1, 0, 0, 1);
       sample_weight := array(1,2,3,1,1.5,2);
       return recall_score(y_true,y_pred,nil,nil,nil,sample_weight);
    // array(1.0,0.0,0.0)
相关